Αλγόριθμοι τμηματοποίησης στην ακτινοθεραπεία

Μπελίτσου, Μαρία Σταυρούλα

Segmentation algorithms in radiotherapy

Μεταπτυχιακή διπλωματική εργασία

Author

Μπελίτσου, Μαρία Σταυρούλα

Date

2024-03-08

Advisor

Σκουρολιάκου, Αικατερίνη

Διπλωματική εργασία Μαρία Μπελίτσου_v2_nek_sk.pdf (4.702Mb)

Keywords

Ακτινοθεραπεία ; Επεξεργασία εικόνας ; Αλγόριθμοι τμηματοποίησης

Abstract

Η ακτινοθεραπεία αποτελεί μια σημαντική μέθοδο θεραπείας για τη θανάτωση των νεοπλασματικών κυττάρων μέσω της χρήσης ιοντίζουσας ακτινοβολίας. Η επιτυχία της ακτινοθεραπείας εξαρτάται σε μεγάλο βαθμό από τον ακριβή καθορισμό του όγκου-στόχου σε σχέση με τους παρακείμενους υγιείς ιστούς, κάτι που καθιστά την επεξεργασία εικόνων και ειδικότερα τις μεθόδους τμηματοποίησης, διαδικασίες σημαντικές με πολλαπλά οφέλη. Στη παρούσα διπλωματική εργασία, χρησιμοποιήθηκαν δύο μέθοδοι τμηματοποίησης για την επεξεργασία εικόνων αξονικής τομογραφίας, καθώς βάσει αυτών πραγματοποιείται ο σχεδιασμός του πλάνου θεραπείας. Η παρουσίαση της συγκεκριμένης εργασίας ακολουθεί μια κλιμάκωση ώστε να φανεί χρήσιμη στον αναγνώστη που θέλει να εμβαθύνει στο αντικείμενο της ακτινοθεραπείας και της επεξεργασίας εικόνας. Το πρώτο μέρος της εργασίας περιλαμβάνει το θεωρητικό υπόβαθρο το οποίο είναι απαραίτητο για την κατανόηση του αντικειμένου της εργασίας. Συγκεκριμένα εστιάζει στη διαδικασία της ακτινοθεραπείας, στο σχεδιασμό των πλάνων θεραπείας, στις βασικές έννοιες επεξεργασίας εικόνας και στις μεθόδους τμηματοποίησης Στο δεύτερο μέρος αναπτύσσεται η πειραματική διαδικασία, η οποία αφορά την εφαρμογή μεθόδων επεξεργασίας εικόνας και, ειδικότερα, μεθόδων τμηματοποίησης που χρησιμοποιούν τη γλώσσα προγραμματισμού Python. Αρχικά, αναπτύσσεται κώδικας σε Python για τις θεμελιώδεις τεχνικές και την προεπεξεργασία εικόνων, με σκοπό την κατανόηση της χρήσης τέτοιων τεχνικών για τη βελτίωση των εικόνων προς ανάλυση και επεξεργασία. Επιπρόσθετα, στα πλαίσια της πειραματικής διαδικασίας αναπτύσσονται οι κώδικες δύο μεθόδων τμηματοποίησης, και συγκεκριμένα η καθολική κατωφλίωση και η τμηματοποίηση με βάση την αναπτυσσόμενη περιοχή. Μέσω της εφαρμογής αυτών των μεθόδων και της ποσοτικής αξιολόγησης που ακολουθήθηκε, επισημαίνονται οι δυνατότητες και οι περιορισμοί της χρήσης αλγορίθμων για τον ακριβή καθορισμό περιοχών ενδιαφέροντος, όπως ο όγκος-στόχος στην ακτινοθεραπεία.

Abstract

Radiation therapy constitutes a significant treatment method for the eradication of neoplastic cells through the use of ionizing radiation. The success of radiation therapy largely depends on the precise determination of the target volume in relation to the organs at risk, making the processing of images and particularly the use of segmentation methods, processes of significant importance with multiple benefits. In this thesis, two segmentation methods were employed for the processing of computed tomography images, wherein the design of the treatment plan is carried out. The presentation of this particular work follows a structure aimed at facilitating readers wishing to delve deeper into the subject of radiation therapy and image processing. The first part of the thesis includes the theoretical background necessary for understanding the subject matter. Specifically, it focuses on the process of radiation therapy, the design of treatment plans, the basic concepts of image processing, and the segmentation methods. The second part entails the developments of the experimental procedure, which involves the application of image processing methods and, more specifically, segmentation methods that utilize the Python programming language. Initially, Python code is developed for the fundamental techniques and pre-processing of images, aiming to understand the use of such techniques for the improvement of images for analysis and processing. Furthermore, within the framework of the experimental procedure, Python code for two segmentation methods is developed, namely the global thresholding and the region-based segmentation. Through the application of these methods and the quantitative evaluation that followed, the capacities and limitations of using algorithms for the precise determination of areas of interest, such as the target volume in radiation therapy, are highlighted.